706 智囊团技能树（上）：M1-M6 主里程碑

设计 AI 知识工坊的”文明 6 科技树”——所有学员先完成共同主干，再按目标选择分支路线。技能点必须具体、可交付、可评估、可点亮。本篇（上）写主里程碑 M1-M6；中篇写 M4 三类工作流分支；下篇写 M7-M10 企业岗位并行路线。

一、整体设计原则

设计目标：
  1. 共同主干（必修）→ 共同基础 + 分类通关
  2. 分支选择（M5 后）→ 选自己方向
  3. 企业岗位并行（M7 后）→ 不再上下级，是平行岗位

6 个共同主里程碑 + 4 条企业并行岗位路线 + 分支徽章。

二、6 个主里程碑总览

里程碑	名称	定位	是否必修	通关标志
M1	AI 基础使用者	会用 AI 完成个人任务	必修	一套个人 AI 任务案例
M2	任务设计者	会把模糊需求拆成清晰任务	必修	一套 Prompt 和任务拆解模板
M3	Skill 制作者	会把经验封装成可复用 Skill	必修	一个可复用 Skill
M4	工作流搭建者	理解工作流基础，能完成一类工作流	必修	一个分类工作流交付物
M5	AI 项目开发者	会做出一个可演示 AI 项目	分支必选	一个 Demo 产品 / 业务原型
M6	AI 系统设计者	会做技术选型、架构图、评测、方案表达	进阶选修	一份 AI 系统设计方案

M1-M4 是必修共同主干；M5 开始分支必选（7 大方向任选一）；M6 是企业级能力底座。

三、每个里程碑详解

3.1 M1 — AI 基础使用者

目标：会用 AI 完成个人任务

核心技能点：

• 主流 LLM 选型（GPT / Claude / Gemini / 国内模型）
• 基础 Prompt 编写（角色 / 任务 / 上下文 / 输出格式）
• 工具使用（Cursor / Trae / Claude Code 等）
• 多轮对话管理（上下文 / 压缩 / 总结）

通关标志：一套个人 AI 任务案例（如”用 AI 整理 100 张照片的元数据”）

3.2 M2 — 任务设计者

目标：把模糊需求拆成清晰任务

核心技能点：

• 需求拆解方法（5W1H / 用户故事 / 验收标准）
• 任务优先级（MoSCoW / RICE / ICE）
• 任务依赖图（DAG / 关键路径）
• AI 协作的任务分解（”我需要 AI 做什么 + 不做什么”）

通关标志：一套 Prompt 模板 + 任务拆解表（可被团队复用）

3.3 M3 — Skill 制作者

目标：把经验封装成可复用 Skill

核心技能点：

• Skill 是什么（Markdown 指令 + 工具 + 行为约定）
• Skill 设计原则（单一职责 / 显式契约 / 失败兜底）
• Skill 编写（Claude / OpenClaw / Cursor 各自的 skill 格式）
• Skill 测试（边界用例 / 回归 / 评估）

通关标志：一个可复用 Skill（被 3 个以上场景使用过）

3.4 M4 — 工作流搭建者

目标：理解工作流基础，能完成一类工作流

核心技能点：

• 工作流基础概念（节点 / 边 / 触发器 / 状态机）
• 三类工作流任选其一完成：
  • 调度监控类：cron + 报警 + 仪表盘
  • 业务自动化类：触发 → 处理 → 通知（如自动周报）
  • IM 机器人类：飞书 / 钉钉 / 微信 webhook + 自动化
• 工作流工具（Dify / Coze / n8n / 自建）

通关标志：一个分类工作流交付物（能跑 1 个月不挂）

3.5 M5 — AI 项目开发者（分支必选）

目标：会做出一个可演示 AI 项目

7 大分支（任选一）：

1. Skill 产品化：把 Skill 卖给其他团队
2. 工作流应用：把工作流做成 SaaS
3. RAG 知识库：企业知识库 + 检索增强
4. AI 应用开发：完整 App + 前端
5. Agent 系统：复杂多 Agent 协作
6. 模型与算法：微调 / 训练 / 评测
7. 多模态内容生产：AI 视频 / 图像 / 音频
8. OPC 出海商业化：一人公司卖海外

通关标志：一个 Demo 产品或业务原型（能跑 + 能演示）

3.6 M6 — AI 系统设计者

目标：会做技术选型、模型路线、架构图、评测和方案表达

核心技能点：

• 技术选型（LLM / 向量库 / Agent 框架 / 部署方案）
• 模型路线（开源 vs 闭源 / 通用 vs 垂直 / 训练 vs 微调）
• 架构图（C4 模型 / 时序图 / 部署图）
• 评测方法（自动化 + 人工 + 业务指标）
• 方案表达（PPT / 文档 / 答辩）

通关标志：一份 AI 系统设计方案（能评审过企业级立项）

四、技能树 6 大设计原则

4.1 共同主干 → 避免早期分流

M1-M4 是必修——任何方向的人都需要 AI 基础 + 任务设计 + Skill + 工作流。

4.2 分支选择 → 不强制全栈

M5 让学员选一个方向深耕，不要求”全栈 AI 工程师”。

4.3 行业并行 → 不是上下级

M7-M10 是 4 个平行的企业岗位（产品 / 开发 / 架构 / 运维），不是进阶关系。一个人可以多选（如产品 + 架构），但不必全选。

4.4 通关标志 = 可交付物

每个里程碑都有明确的交付物（不是”理解”或”知道”，是”做出来”）：

里程碑	通关交付物
M1	100 张照片元数据整理
M2	Prompt 模板库
M3	可复用 Skill
M4	跑 1 个月的工作流
M5	Demo 产品
M6	系统设计方案

4.5 技能点 = 动词（可执行）

• ❌ “了解 LLM”（不可评估）
• ✅ “会用 LLM 完成 5 个真实任务”（可评估）

4.6 学习路径 = 真实项目（不是课程）

每个里程碑都是”做出来“，不是”听完课”。

五、3 个学习节奏建议

5.1 每个里程碑 4-8 周

• M1：1-2 月
• M2：2-3 月（含 Prompt 模板积累）
• M3：2-3 月（封装第 1 个 Skill）
• M4：3-4 月（含调试 + 上线）
• M5：4-6 月（含 Demo）
• M6：4-6 月（含方案文档）

5.2 每周 10-15 小时

• 工作日：晚上 2-3 小时
• 周末：半天（4-6 小时）
• 1 个里程碑 = 30-50 小时投入

5.3 跟同侪一起做

• 加入学习小组（5-10 人）
• 每周 1 次”互看作品”会
• 主理人 1 对 1 review 关键交付物

六、4 条避坑

1. 不要跳里程碑——M3 没做扎实就做 M5，Skill 不复用，项目质量差
2. 不要”广而浅”——M1-M6 全做但每个都浮于表面
3. 不要”学完再干”——M3 边学 Skill 边用它做真实项目
4. 不要单干——加入学习小组比独自闷头学效率高 3 倍

七、本文 + 后续

• （上）M1-M6 主里程碑（本文）
• （中）M4 三类工作流详解 + M5 7 大分支
• （下）M7-M10 企业岗位并行 + 实际应用

---

技能树核心洞察：6 个里程碑不是”考试”，是”项目交付物”。每个 M 都有一个具体可点亮的成果。完成 M1-M4 的人都能独立用 AI 解决自己的问题；M5-M6 是”作品”；M7+ 是”职业”。这条路径比”上培训班考证”实在得多。